مشخصات کتاب

Learning Ray

ویرایش:  
نویسندگان: Max Pumperla,  Edward Oakes,  Richard Liaw  
سری:  
ISBN (شابک) : 9781098117221, 9781098117160 
ناشر: O'Reilly Media, Inc. 
سال نشر: 2023 
تعداد صفحات:  
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 Mb 

در صورت تبدیل فایل کتاب Learning Ray به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب یادگیری ری نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.

توضیحاتی در مورد کتاب یادگیری ری

با Ray شروع کنید، چارچوب محاسباتی توزیع‌شده منبع باز که فرآیند مقیاس‌گذاری حجم‌های کاری فشرده پایتون را بسیار ساده می‌کند. با این کتاب کاربردی، برنامه نویسان پایتون، مهندسان داده و دانشمندان داده یاد می گیرند که چگونه از Ray به صورت محلی استفاده کنند و خوشه های محاسباتی را بچرخانند. شما می توانید از Ray برای ساختار و اجرای برنامه های یادگیری ماشین در مقیاس استفاده کنید. نویسندگان مکس پومپرلا، ادوارد اوکس و ریچارد لیاو به شما نشان می‌دهند که چگونه برنامه‌های یادگیری تقویتی بسازید که مدل‌های آموزش دیده را با Ray ارائه می‌کنند. شما خواهید فهمید که Ray چگونه با چشم انداز فعلی ابزارهای علم داده جا می شود و خواهید فهمید که چگونه این زبان برنامه نویسی به شدت با این ابزارها ادغام می شود. محاسبات توزیع شده سخت است، اما با استفاده از Ray می توانید شروع به کار را آسان کنید. یاد بگیرید که چگونه اولین برنامه توزیع شده خود را با Ray Core بسازید بهینه سازی هایپرپارامتر را با Ray Tune انجام دهید از کتابخانه Ray RLib برای یادگیری تقویتی استفاده کنید آموزش توزیع شده را با کتابخانه RaySGD مدیریت کنید برای انجام پردازش داده ها از Ray استفاده کنید با نحوه کار با Ray Cluster و ارائه مدل ها با Ray Serve آشنا شوید با Ray یک برنامه یادگیری ماشینی سرتاسر بسازید

توضیحاتی درمورد کتاب به خارجی

Get started with Ray, the open source distributed computing framework that greatly simplifies the process of scaling compute-intensive Python workloads. With this practical book, Python programmers, data engineers, and data scientists will learn how to leverage Ray locally and spin up compute clusters. You'll be able to use Ray to structure and run machine learning programs at scale. Authors Max Pumperla, Edward Oakes, and Richard Liaw show you how to build reinforcement learning applications that serve trained models with Ray. You'll understand how Ray fits into the current landscape of data science tools and discover how this programming language continues to integrate ever more tightly with these tools. Distributed computation is hard, but with Ray you'll find it easy to get started. Learn how to build your first distributed application with Ray Core Conduct hyperparameter optimization with Ray Tune Use the Ray RLib library for reinforcement learning Manage distributed training with the RaySGD library Use Ray to perform data processing Learn how work with Ray Clusters and serve models with Ray Serve Build an end-to-end machine learning application with Ray

نظرات کاربران

کتاب های تصادفی

دانلود کتاب African economic outlook 2015 : regional development and spatial inclusion.

دانلود کتاب Commutative Rings: Dimension Multiplicity and Homological Methods

دانلود کتاب Encyclopedia of Public International Law 11: Law of the Sea - Air and Space

دانلود کتاب Management Turnaround: Wie Manager durch Enzymisches Management wieder wirksam werden

دانلود کتاب Allergy: The History of a Modern Malady